成语

大数据学习总结认识3篇

大数据学习总结认识3篇


大数据学习总结认识1

  大数据时代已经悄然到来,如何应对大数据时代带来的挑战与机遇,是我们当代大学生特别是我们计算机类专业的大学生的一个必须面对的严峻课题。大数据时代是我们的一个黄金时代,对我们的意义可以说就像是另一个“80年代”。在讲座中秦永彬博士由一个电视剧《大太监》中情节来深入浅出的简单介绍了“大数据”的基本概念,并由“塔吉特”与“犯罪预测”两个案例让我们深切的体会到了“大数据”的对现今这样一个信息时代的不可替代的巨大作用。

  在前几年本世纪初的时候,世界都称本世纪为“信息世纪”。确实在计算机技术与互联网技术的飞速发展过后,我们面临了一个每天都可以“信息爆炸”的时代。打开电视,打开电脑,甚至是在街上打开手机、PDA、平板电脑等等,你都可以接收到来自互联网从世界各地上传的各类信息:数据、视频、图片、音频……这样各类大量的数据累积之后达到了引起量变的临界值,数据本身有潜在的价值,但价值比较分散;数据高速产生,需高速处理。大数据意味着包括交易和交互数据集在内的所有数据集,其规模或复杂程度超出了常用技术按照合理的成本和时限捕捉、管理及处理这些数据集的能力。遂有了“大数据”技术的应运而生。

  现在,当数据的积累量足够大的时候到来时,量变引起了质变。“大数据”通过对海量数据有针对性的分析,赋予了互联网“智商”,这使得互联网的作用,从简单的数据交流和信息传递,上升到基于海量数据的分析,一句话“他开始思考了”。简言之,大数据就是将碎片化的海量数据在一定的时间内完成筛选、分析,并整理成为有用的资讯,帮助用户完成决策。借助大数据企业的决策者可以迅速感知市场需求变化,从而促使他们作出对企业更有利的决策,使得这些企业拥有更强的创新力和竞争力。这是继云计算、物联网之后IT产业又一次颠覆性的技术变革,对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。后工业社会时代,随着新兴技术的发展与互联网底层技术的革新,数据正在呈指数级增长,所有数据的产生形式,都是数字化。如何收集、管理和分析海量数据对于企业从事的一切商业活动都显得尤为重要。

  大数据时代是信息化社会发展必然趋势,我们只有紧紧跟随时代发展的潮流,在技术上、制度上、价值观念上做出迅速调整并牢牢跟进,才能在接下来新一轮的竞争中摆脱受制于人的弱势境地,才能把握发展的方向。

  首先,“大数据”究竟是什么?它有什么用?这是当下每个人初接触“大数据”都会有的疑问,而这些疑问在秦博士的讲座中我们都了解到了。“大数据”的“大”不仅是单单纯纯指数量上的“大”,而是在诸多方面上阐释了“大”的含义,是体现在数据信息是海量信息,且在动态变化和不断增长之上。同时“大数据”在:速度(Velocity)、多样性(Variety)、价值密度(Value)、体量(Volume)这四方面(4v)都有体现。其实“大数据”归根结底还是数据,其是一种泛化的数据描述形式,有别于以往对于数据信息的表达,大数据更多地倾向于表达网络用户信息、新闻信息、银行数据信息、社交媒体上的数据信息、购物网站上的用户数据信息、规模超过TB级的数据信息等。

  了解了“大数据”的“大”之后我们也该了解它所具有的巨大价值。就目前来说“大数据”的来源主要还是互联网,来自互联网上的大多数不被重视信息都是具有巨大开发价值的,

  其具有巨“大”的商业价值,我们所缺少的只是一些数据分析等手段。例如:在如今,网购已经成为了一种风潮,网上也涌现了以淘宝、京东、亚马逊等一系列的购物网站。而在这些网站之中,顾客的浏览记录,购买记录等等都是一些巨大商业价值的信息。借鉴“塔吉特”的先例,我们可以利用“大数据”技术收集分析,就可预测需求、供给和顾客习惯等,做到精准采购、精准投放,达到利益放大的效果。从全球范围来看,很多人都把20xx年看做是大数据时代的元年。在这一年里,很多行业在大数据方面的管理、规划和应用已经觉醒。电商、金融、电信等行业数据有着长期的数据积累。事实上,很多互联网公司,例如亚马逊、Google、腾讯,更愿意将自己定位为数据企业。

  因为信息时代,数据成为经营决策的强有力依据,给企业带来了发展和引领行业的机遇。银行也同样拥有丰富的数据矿藏,不仅存储处理了大量结构化的账务数据,而且随着银行渠道快速渗透到社交网络、移动端等媒介,海量的非结构化数据也在等待被收集和分析。未来的金融业将更多地受到科技创新力的驱动,也越来越倾向于零售营销:对于金融业来说,大数据意味着巨大的商机,可强化客户体验,提高客户忠诚度。大数据技术的发展带来企业经营决策模式的转变,驱动着行业变革,衍生出新的商机和发展契机。驾驭大数据的能力已被证实为领军企业的核心竞争力,这种能力能够帮助企业打破数据边界,绘制企业运营全景视图,做出最优的商业决策和发展战略。金融行业在大数据浪潮中,要以大数据平台建设为基础,夯实大数据的收集、存储、处理能力;重点推进大数据人才的梯队建设,打造专业、高效、灵活的大数据分析团队;不断提升企业智商,挖掘海量数据的商业价值,从而在数据新浪潮的变革中拔得头筹,赢得先机。

  在如此快速的到来的大数据革命时代,我们还有很多知识需要学习,许多思维需要转变,许多技术需要研究。职业规划中,也需充分考虑到大数据对于自身职业的未来发展所带来的机遇和挑战。当我们掌握大量数据,需要考虑有多少数字化的数据,又有哪些可以通过大数据的分析处理而带来有价值的用途?在大数据时代制胜的良药也许是创新的点子,也许可以利用外部的数据,通过多维化、多层面的分析给我们日后创业带来价值。借力,顺势,合作共赢。把自己的心门打开,像海绵般吸取积极、正能量的东西。

大数据学习总结认识2

  近年来,数字经济发展速度之快、辐射范围之广、影响程度之深前所未有,正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。在十九届中央政治局第三十四次集体学习时,习近平总书记对发展数字经济的重大意义、数字经济的发展趋势和规律,以及推动我国数字经济健康发展的战略举措作出重要论述,为我国数字经济发展指明了前进方向、注入了强大动力。

  一、大数据开启信息化新阶段,催生数字经济

  人类社会发展的历史经验表明,每一次经济形态的重大变革,往往催生并依赖新的生产要素。正如劳动力和土地是农业经济时代主要的生产要素,资本和技术是工业经济时代重要的生产要素,进入数字经济时代,数据正逐渐成为驱动经济社会发展的新的生产要素。

  “大数据”作为一种概念和思潮由计算领域发端,之后逐渐延伸到科学和商业领域。近10年来,大数据相关技术、产品、应用和标准快速发展,逐渐形成了覆盖数据基础设施、数据分析、数据应用、数据资源、开源平台与工具等板块的大数据产业格局,历经从基础技术和基础设施、分析方法与技术、行业领域应用、大数据治理到数据生态体系的变迁。

  大数据提供了一种人类认识复杂系统的新思维和新手段。理论上来讲,在足够小的时间和空间尺度上对现实世界数字化,可以构造现实世界的一个数字虚拟映像,该映像承载了现实世界的运行规律。在给定充足计算能力和高效数据分析方法的前提下,对这个数字映像的深度分析,将有可能理解和发现现实复杂系统的运行行为、状态和规律。大数据为人类提供了全新的思维方式和探知客观规律、改造自然和社会的新手段,这也是其引发经济社会变革最根本性的原因。

  大数据是信息技术发展的必然产物。信息化经历了两次高速发展浪潮,第一次是始于20世纪80年代,随个人计算机大规模普及应用所带来的以单机应用为主要特征的数字化(信息化1.0)。第二次是始于20世纪90年代中期,随互联网大规模商用进程所推动的以联网应用为主要特征的网络化(信息化2.0)。当前,我们正进入以数据的深度挖掘和融合应用为主要特征的智能化阶段(信息化3.0)。在“人机物”三元融合的大背景下,以“万物均需互联、一切皆可编程”为目标,数字化、网络化和智能化呈融合发展新态势。信息化新阶段开启的另一个重要表征是信息技术开始从助力社会经济发展的辅助工具向引领社会经济发展的核心引擎转变,进而催生一种新的经济范式——“数字经济”。经过几十年积累和储备,数据资源大规模聚集,奠定了数字经济发展的坚实基础。

  二、数字经济的内涵和外延

  “数字经济”一词最早出现于20世纪90年代,因美国学者唐·泰普斯科特(DonTapscott)1996年出版的《数字经济:网络智能时代的前景与风险》一书而开始受到关注,该书描述了互联网将如何改变世界各类事务的运行模式并引发若干新的经济形式和活动。2002年,美国学者金范秀(BeomsooKim)将数字经济定义为一种特殊的经济形态,其本质为“商品和服务以信息化形式进行交易”。可以看出,这个词早期主要用于描述互联网对商业行为所带来的影响,此外,当时的信息技术对经济的影响尚未具备颠覆性,只是提质增效的助手工具,数字经济一词还属于未来学家关注探讨的对象。

  随着信息技术的不断发展与深度应用,社会经济数字化程度不断提升,特别是大数据时代的到来,数字经济一词的内涵和外延发生了重要变化。当前广泛认可的数字经济定义源自2016年9月二十国集团领导人杭州峰会通过的《二十国集团数字经济发展与合作倡议》,即数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。

  通常把数字经济分为数字产业化和产业数字化两方面。数字产业化指信息技术产业的发展,包括电子信息制造业、软件和信息服务业、信息通信业等数字相关产业;产业数字化指以新一代信息技术为支撑,传统产业及其产业链上下游全要素的数字化改造,通过与信息技术的深度融合,实现赋值、赋能。从外延看,经济发展离不开社会发展,社会的数字化无疑是数字经济发展的土壤,数字政府、数字社会、数字治理体系建设等构成了数字经济发展的环境,同时,数字基础设施建设以及传统物理基础设施的数字化奠定数字经济发展的基础。

  数字经济呈现三个重要特征:一是信息化引领。信息技术深度渗入各个行业,促成其数字化并积累大量数据资源,进而通过网络平台实现共享和汇聚,通过挖掘数据、萃取知识和凝练智慧,又使行业变得更加智能。二是开放化融合。通过数据的开放、共享与流动,促进组织内各部门间、价值链上各企业间、甚至跨价值链跨行业的不同组织间开展大规模协作和跨界融合,实现价值链的优化与重组。三是泛在化普惠。无处不在的信息基础设施、按需服务的云模式和各种商贸、金融等服务平台降低了参与经济活动的门槛,使得数字经济出现“人人参与、共建共享”的普惠格局。

  三、数字经济发展的现状和趋势

  世界各国高度重视发展大数据和数字经济,纷纷出台相关政策。美国是最早布局数字经济的国家,1998年起美国商务部就发布了《浮现中的数字经济》系列报告,近年来又先后发布了美国数字经济议程、美国全球数字经济大战略等,将发展大数据和数字经济作为实现繁荣和保持竞争力的关键。欧盟2014年提出数据价值链战略计划,推动围绕大数据的创新,培育数据生态系统;其后又推出欧洲工业数字化战略、欧盟人工智能战略等规划,2021年3月欧盟发布了《2030数字化指南:实现数字十年的欧洲路径》纲要文件,涵盖了欧盟到2030年实现数字化转型的愿景、目标和途径。日本自2013年开始,每年制定科学技术创新综合战略,从“智能化、系统化、全球化”视角推动科技创新。俄罗斯2017年将数字经济列入《俄联邦2018—2025年主要战略发展方向目录》,并编制完成俄联邦数字经济规划。我国于2015年党的十八届五中全会将大数据上升为国家战略,之后出台了10余项促进数字经济行业发展的政策,2017年起连续5年将数字经济相关内容写入政府工作报告。

  全球数字经济发展迅猛。据中国信息通信研究院数据,2020年,发达国家数字经济规模达到24.4万亿美元,占全球总量的74.7%。发达国家数字经济占国内生产总值比重达54.3%,远超发展中国家27.6%的水平。从增速看,发展中国家数字经济同比名义增长3.1%,略高于发达国家数字经济3.0%的增速。2020年,全球47个国家数字经济增加值规模达到32.6万亿美元,同比名义增长3.0%,产业数字化仍然是数字经济发展的主引擎,占数字经济比重为84.4%。从规模看,美国数字经济继续蝉联世界第一,2020年规模接近13.6万亿美元。从占比看,德国、英国、美国数字经济在国民经济中占据主导地位,占国内生产总值比重超过60%。从增速看,中国数字经济同比增长9.6%,位居全球第一。

  可以预期,数字经济在未来较长一段时间都将保持快速增长,并呈现如下趋势:

  在基础设施方面,以互联网为核心的新一代信息技术正逐步演化为人类社会经济活动的基础设施,并将对原有的物理基础设施完成深度信息化改造,从而极大突破沟通和协作的时空约束,推动新经济模式快速发展。

  在行业产业方面,数字化转型成为必然选择,将从消费和服务领域向制造业领域推进,各业态围绕信息化主线深度协作、融合,完成自身转型、提升变革,并不断催生新业态,同时也使一些传统业态走向消亡。在此过程中,将劳动、土地、资本、技术、管理、知识等各类要素数字化并数据化,对提高生产效率发挥乘数倍增作用,形成新型数据生产力。

  在治理体系方面,数字经济发展对政府监管体系以及国际治理体系带来诸多挑战。未来10年将是全球治理体系深刻重塑的10年。二十国集团将“数字治理框架”分为两个主要部分:一是促进互联互通,二是建立全球治理制度和规范。2021年10月,联合国贸易和发展会议发布的《2021年数字经济报告》称,当前,数据驱动的数字经济表现出极大不平衡,呼吁采取新的全球数据治理框架,以应对全球数据治理的挑战。数字治理体系构建已然提上日程。

  四、数字经济发展面临的挑战

  数字经济已成为当前最具活力和创新力、辐射最广泛的经济形态,同时也带来诸多挑战。

  第一,对数据要素的认识不足导致数据要素市场培育面临挑战。数据要素作为一种新型生产要素,可从两个视角来认识:一是本体论视角,数据本身蕴含很多信息、知识、规律甚至智慧,蕴含着价值;二是方法论视角,数据成为其他生产要素的数字空间“孪生”,从而实现赋值、赋能。数据要素具有获得的非竞争性、使用的非排他性、价值的非耗竭性、源头的非稀缺性等独有特征,能够通过对其他生产要素的数据化提升效能。目前,数据要素化面临着诸多挑战:数据的资产地位尚未确立,数据确权难题尚待破解,数据共享流通障碍重重,数据安全和隐私保护体系尚不健全等。数据要素市场培育是一项综合性系统工程,需统筹规划、强化创新、稳步推进。

  第二,现行国际治理体系面临着数字化转型带来的巨大挑战。数字治理是在数字化转型背景下,以数字化的世界为对象,以构建融合信息技术与多元主体参与的开放多元的新型治理模式、机制和规则为目的,涵盖国家、社会、机构、个体以及数字技术、数据治理的复杂系统工程。数字治理包含两方面含义:一是数字化的治理,以数字化转型为背景,采取有效战略和措施保证数字化转型的实施效果和价值最大化;二是治理的数字化,利用信息技术平台、工具等对现行治理体系实施数字化转型。当前,数字治理体系构建面临着诸多挑战。例如,针对互联网公司垄断的监管能力亟须加强,数字平台的快速发展逐步形成了“一家独大”、“赢者通吃”的市场格局,带来了市场垄断、税收侵蚀、数据安全等问题,难以沿用传统反垄断规则对其进行监管;针对新兴技术的管控能力亟须提升,各类新兴数字技术发展迅猛,各类威胁从虚拟网络空间向现实物理世界蔓延扩散,经济社会面临着前所未有的风险与安全挑战。其他诸如网络舆情的管理失控、金融数字业务的无序扩张、大数据和人工智能技术应用导致的伦理问题等,均已成为必须面对和解决的重要问题。

  第三,作为数字经济的核心动能与基础设施,信息技术的发展面临着诸多挑战。信息技术底层硬件一直按摩尔定律发展,成就举世瞩目,但是,其基础理论和冯·诺依曼体系结构并未发生本质性变化。计算系统的渐进式发展模式所带来的数据处理能力的线性提升,已远远落后于数据的指数级增长,可以预判,随着时间推移,数据处理需求与能力之间的剪刀差还将不断扩大。据统计,受限于计算能力不足,已获取数据的平均留存率仅为2%,大量数据从未被处理和利用即被丢弃。回顾过去10年,大数据管理与处理技术、大数据分析方法和大数据治理技术取得了长足进步,但究其实质而言,都是在现有通用技术体系上,面向大数据需求,通过软件技术进行的调整和优化。这种技术发展模式面临一系列重大挑战,如数据模型独立,数据难以关联共享;负载类型不同、冷热数据不同,难以优化调度不同硬件资源;以计算为中心的数据处理模式,常常需要执行海量数据“搬家”操作,导致性能瓶颈等。在大数据应用需求驱动下,计算技术体系有必要进行重构,以数据为中心的新型大数据系统技术成为重要方向,信息技术体系将从“计算为中心”向“数据为中心”转型,新的基础理论和核心技术问题仍有待探索和破解。

  五、对我国数字经济发展的若干思考

  自2015年实施“国家大数据战略”以来,我国推进数字经济发展和数字化转型的政策不断深化和落地。国务院印发促进大数据发展行动纲要;国家发展改革委、工信部、中央网信办联合批复贵州、上海、京津冀、珠三角等8个大数据综合试验区;各省市积极推进数字经济发展,到2020年底已出台数字经济发展行动计划、产业规划等60余项。我国数字经济发展迅猛,新产品、新业态、新模式层出不穷,成为驱动中国经济发展的新引擎。习近平总书记指出,“信息化为中华民族带来了千载难逢的机遇”;“发展数字经济意义重大,是把握新一轮科技革命和产业变革新机遇的战略选择”。我们要牢牢把握机遇,积极应对挑战,克服发展障碍,推进数字经济繁荣发展。

  加快数据要素市场培育,激活数据要素潜能。我国已经正式实施《数据安全法》和《个人信息保护法》,为数字经济发展提供了底线保障。为加快数据要素市场培育,还需进一步研究推进数据确权、交易流通、跨境流动等相关制度法规制修订工作,厘清政府、行业、组织等多方在数据要素市场中的权责边界。同时加强理论研究和技术研发,为数据确权、互操作、共享流通、数据安全、隐私保护等提供有效技术支撑。当前,打破信息孤岛、盘活数据存量是一项紧迫任务,特别是在政务数据领域,应逻辑互联先行,物理集中跟进,完善数据注册、分类分级、质量保障等管理制度和标准规范,在一定层级上构建物理分散、逻辑统一、管控可信、标准一致的政务数据资源共享交换体系,在不改变现有信息系统与数据资源所有权及管理格局的前提下,明晰责权利,确保数据资源高效共享和利用。鼓励在有条件的地区开展数据要素化的探索性实践,鼓励数据运营加工的新业态尝试,以市场化方式推进数据要素市场培育。

  推进各行各业的数字化转型。习近平总书记指出,数字经济具有高创新性、强渗透性、广覆盖性,不仅是新的经济增长点,而且是改造提升传统产业的支点,可以成为构建现代化经济体系的重要引擎。当前,信息技术已从助力其他行业提质增效的“工具、助手”角色,转向“主导、引领”角色,深入渗透各个行业,对其生产模式、组织方式和产业形态造成颠覆性影响。然而,面对数字化转型的要求,一些企业却存在“不想、不敢、不会”的“三不”现象。“不想”是囿于传统观念和路径依赖,对新技术应用持抵触情绪;“不敢”是面对转型可能带来的阵痛期和风险,不敢率先探索,就地观望、踌躇徘徊;“不会”则是缺少方法、技术和人才,以及成功经验和路径。转型发展必然会面临观念、制度、管理、技术、人才等方面的挑战,其中观念上的转变最为核心和关键,而人才供给则是根本保障。数字化转型并非通过信息技术和工具的简单叠加便可完成,需深度理解“数字化转型、网络化重构、智能化提升”的内涵并系统规划;需要从国家、高校科研院所、企业、社会等多层面,打造适应数字化转型需求的数字化人才培养体系,为未来数十年的转型发展储备合格人才。

  完善数字治理体系。习近平总书记指出,要完善数字经济治理体系,健全法律法规和政策制度,完善体制机制,提高我国数字经济治理体系和治理能力现代化水平。传统的治理体系、机制与规则难以适应数字化发展所带来的变革,无法有效解决数字平台崛起所带来的市场垄断、税收侵蚀、安全隐私、伦理道德等问题,需尽快构建数字治理体系,数字经济治理无疑是其核心内容之一。数字治理体系的构建是一个长期迭代过程,其中,数据治理体系的构建要先行。数据治理体系建设涉及国家、行业和组织三个层次,包含数据的资产地位确立、管理体制机制、共享与开放、安全与隐私保护等内容,需要从制度法规、标准规范、应用实践和支撑技术等方面多管齐下,提供支撑。当前国际数字治理体系尚处探索期,既有全球性多边机制,也有区域性或双边机制,更有私营平台企业的事实性规则。由于各国数字治理关注重点不同、发展程度有差异,未来全球数字治理体系将呈现面向关注点差异的、多元化层次化的、多机制共存的格局。

  构建“开放创新”、“互惠互利”的全球合作伙伴关系。开放创新的本质是从封闭的“机械化思维”到开放的“计算思维”、“互联网思维”和“大数据思维”,从“零和博弈”到“协作共赢”。彻底改变了全球软件产业格局的开源软件,是技术领域开放创新最早最成功的实践。面对数字经济领域的新形势新任务,需建立互惠互利合作方式,积极推动国际合作并筹划布局跨国数据共享机制与合规的数据跨境流动机制,与其他国家一起分享数字经济的红利,使我国获得更多发展机遇和更大发展空间。

  开展大数据核心关键技术的研发与应用。习近平总书记强调,要加强关键核心技术攻关,牵住数字关键核心技术自主创新这个“牛鼻子”,把发展数字经济自主权牢牢掌握在自己手中。当前,我国仍面临着大数据核心技术受制于人的困境,高端芯片、操作系统、工业设计软件等均是我国被“卡脖子”的短板,需要坚定不移走自主创新之路,加大力度解决自主可控问题。同时,应针对“人机物”三元融合的万物智能互联时代带来的新需求,把握前沿发展趋势,研发引领性技术,锻造我国的技术长板。核心关键技术大都具有投入高、耗时长、难度大的特点,必须形成科学的管理体制机制,按照创新发展规律、科技管理规律、人才成长规律办事,加强创新资源统筹,优化资源配置,努力取得实质性突破,保障数字经济安全发展。

大数据学习总结认识3

  10月23日至11月3日,我有幸参加了管理信息部主办的“20xx年大数据分析培训班”,不但重新回顾了大学时学习的统计学知识,还初学了Python、SQL和SAS等大数据分析工具,了解了农业银行大数据平台和数据挖掘平台,学习了逻辑回归、决策树和时间序列等算法,亲身感受了大数据的魅力。两周的时间,既充实、又短暂,即是对大数据知识的一次亲密接触,又是将以往工作放在大数据基点上的再思考,可以说收获良多。由衷地感谢管理信息部提供这样好的学习机会,也非常感谢xx培训学院提供的完善的软硬件教学服务。

  近年来,大数据技术如火如荼,各行各业争先恐后投入其中,希望通过大数据技术实现产业变革,银行作为数据密集型行业,自然不甘人后。我行在大数据分析领域,也进行了有益的探索,并且有了可喜的成绩。作为从事内部审计工作的农行人,我们长期致力于数据分析工作。但受内部审计工作性质的限制,我们也苦于缺少有效的数据分析模型,不能给审计实践提供有效的支持。这次培训,我正是带着这样一种期待走进了课堂,期望通过培训,打开审计的大数据之门。

  应该说,长期以来,农业银行审计工作一直在大规模数据集中探索。但根据审计工作特点,我们更多的关注对行为数据的分析,对状态数据的分析主要是描述性统计。近年来火热的大数据分析技术,如决策树、神经网络、逻辑回归等算法模型,由于业务背景不易移植,结果数据不易解释,在内部审计工作中还没有得到广泛的应用。

  通过这次培训,使我对大数据分析技术有了全新的认识,对审计工作如何结合大数据技术也有了一些思考。

  一是审计平台技术架构可以借鉴数据挖掘平台。

  目前,审计平台采用单机关系型数据库。随着全行业务不断发展,系统容量不断扩充。超过45度倾角的数据需求发展趋势,已经令平台不堪重负。这次培训中介绍的数据挖掘平台技术架构,很好地解决了这一难题。挖掘平台利用大数据平台数据,在需要时导入、用后即可删除,这样灵活的数据使用机制,即节省了数据挖掘平台的资源,又保证了数据使用效率。审计平台完全可以借鉴这一思路,也与大数据平台建立对接,缓解审计平台资源紧张矛盾。

  二是可尝试在部分场景应用大数据分析技术。

  目前,审计选样主要通过专家打分法。这次培训中介绍的逻辑回归和决策树算法,也是解决这一方面的问题。通过历史样本和历史底稿的数据,通过训练建立选样模型,将与底稿相关的主要风险特征选入模型,再将模型应用于验证样本。这样就可以应用大数据技术,为审计提供支持。

  三是加强与管理信息部和软件开发中心的合作。

  本次培训中我们也看到,经过一段时间的积累,我行已经具备了一定的大数据分析经验,储备了一批具有相应经验的人才。作为业务部门,我们应加强与管理信息部和软件开发中心的对接,通过相互沟通和配合,确定业务需求,发挥各自优势推动大数据技术的落地。就像行领导所指出的那样,大数据技术哪个部门先投入,哪个部门先获益。目前,我行大数据技术应用正处于井喷前夕,我们应抓住这一有利时机,推动审计工作上一个新台阶。

  这次培训对于我来说,只是打开了一扇窗,未来大数据分析的道路还很长、也一定很曲折,但我也坚定信念,要在这条路上继续努力,所谓“独行快、众行远”,有这样一批共同走在大数据分析路上的农行人陪伴,相信农业银行大数据之路必将有无限风光。

成语首拼